1、学习深度学习
网路上说“364 页 PyTorch 版《动手学深度学习》PDF 下载”
于是找到链接
《动手学深度学习-Pytorch版》
《动手学深度学习》---git
已验证：可以通过docker 安装部署，实现本地学习。
镜像加速器-----我自己的Matthew
2Docker安装
Docker使用教程
Docker详解
Docker下载---Docker Desktop Installer.exe
Docker安装
安装2
一、前言
作为开发人员，在日常研发中，需要在本地去启动一些服务，
如：redis、MySQL等，就需要去下载这些在本地去启动，操作较为繁琐。
此时，我们可以使用Docker Desktop，来搭建我们需要的服务，直接在容器中去启动即可，docker是一个用Go语言实现的开源项目，它可以很方便的创建和使用容器，docker将程序以及程序所有的依赖都打包到docker container，这样程序可以在任何环境都会有相同的表现，这里程序运行的依赖也就是容器类似集装箱，容器所处的操作系统环境就好比货船或港口，
「程序的表现只和集装箱有关系(容器)，和集装箱放在哪个货船或者哪个港口(操作系统)没有关系。」
「与传统的虚拟机相比，Docker优势体现为启动速度快、占用体积小。」❝ 个人主要使用Docker来一键部署应用和安装一些开发环境（如MySQL、Oracle、ElasticSearch、Redis等），像Oracle和ES这种体积庞大的在Docker中安装也非常方便，要卸载时只需要删除对应容器即可，也不会在物理机的注册表产生任何项。
二。目录存储位置转移（我失败了，我按默认目录安装成功了）
1、先在一个空间足够的磁盘创建以下目录结构
2、然后以管理员身份打开cmd命令窗口，依次输入以下4条命令创建目录联接，类似于符号链接，但主要用于目录。
cmd /c mklink /j "C:\Program Files\Docker" "G:\wangSoftWare\Docker"
cmd /c mklink /j "C:\Users\mumu\AppData\Local\Docker" "G:\wangSoftWare\Docker\Local"
cmd /c mklink /j "C:\Users\mumu\AppData\Roaming\Docker" "G:\wangSoftWare\Docker\Roaming\Docker"
cmd /c mklink /j "C:\Users\mumu\AppData\Roaming\Docker Desktop" "G:\wangSoftWare\Docker\Roaming\Docker Desktop"
每次输入命令后，会有对应的结果返回。如果命令失败查找原因。
C盘会在对应的目录下生成软链接
附mklink用法:
mklink命令是 [Windows]系统中用于创建符号链接或硬链接的工具，它存在于 Windows Vista 及更高版本的操作系统中。使用 mklink 命令需要管理员权限。该命令的基本语法如下：
/D：创建目录符号链接。这是默认选项，如果不指定任何参数，则默认为文件符号链接。/H：创建硬链接而非符号链接。硬链接指向文件的物理位置，而符号链接则是一个指向文件或目录的引用。/J：创建目录联接，类似于符号链接，但主要用于目录。
在命令行中使用 mklink 时，需要指定链接的名称（Link）和目标路径（Target）。例如，要创建一个指向 J 盘数据库的符号链接在 D 盘，可以使用以下命令：
mklink /D D:\databases\oracle J:\databases\oracle
三、下载 Docker Desktop
目前我尝试过好几次，打不开官网，但是我在阿里云上可以下载，（需要登录阿里云账号）附阿里云下载链接如下:
阿里云Docker Desktop
我是用的主机配置情况
主机系统配置
显卡配置
cuda toolskit 安装的是12.1 版本
安装的时候出现了很多问题，配置环境变量出现以下报错
解决办法:
安装了12.0、12.1两个版本，哪个版本在前，则系统调用哪个。
测试CUDA是否安装成功
cmd打开命令提示符窗口，输入nvcc -v 报错，
nvcc -v
修改命令为：(显示安装成功)
nvcc --version
在jupyter notebook中测试是否可以使用GPU
import torch #导入torch包
print(torch.cuda.is_available()) # 查看GPU是否可用
print(torch.cuda.device_count()) # 查看GPU数量
print(torch.cuda.current_device()) # 查看GPU索引号
print(torch.cuda.get_device_name(0)) # 根据索引号得到GPU名称
